基于matlab的图像形状与分类的方法比较
分类就是根据被识别对象的若干特征将其归入某一类别。
形状特征
（一）特点：各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：①目前基于形状的检索方法还缺乏比较完善的数学模型；②如果目标有变形时检索结果往往不太可靠；③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。另外，从2-D 图像中表现的3-D 物体实际上只是物体在空间某一平面的投影，从2-D 图像中反映出来的形状常不是3-D 物体真实的形状，由于视点的变化，可能会产生各种失真。
（二）常用的特征提取与匹配方法
Ⅰ几种典型的形状特征描述方法
通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。
几种典型的形状特征描述方法：
（1）边界特征法
该方法通过对边界特征的描述来获取图像的形状参数。其中Hough 变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法，其基本思想是点—线的对偶性；边界方向直方图法首先微分图像求得图像边缘，然后，做出关于边缘大小和方向的直方图，通常的方法是构造图像灰度梯度方向矩阵。
（2）傅里叶形状描述符法
傅里叶形状描述符(Fourier shape descriptors)基本思想是用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题。
由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数。
（3）几何参数法
形状的表达和匹配采用更为简单的区域特征描述方法，例如采用有关形状定量测度（如矩、面积、周长等）的形状参数法（shape factor）。在QBIC 系统中，便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数，进行基于形状特征的图像检索。
需要说明的是，形状参数的提取，必须以图像处理及图像分割为前提，参数的准确性必然受到分割效果的影响，对分割效果很差的图像，形状参数甚至无法提取。
（4）形状不变矩法
利用目标所占区域的矩作为形状描述参数,用形状不变矩描述的特征具有几何变换的不变性。
（5）其它方法
近年来，在形状的表示和匹配方面的工作还包括有限元法（Finite Element Method 或FEM）、旋转函数（Turning Function）和小波描述符（Wavelet Descriptor）等方法。
Ⅱ基于小波和相对矩的形状特征提取与匹配
该方法先用小波变换模极大值得到多尺度边缘图像，然后计算每一尺度的7个不变矩，再转化为10 个相对矩，将所有尺度上的相对矩作为图像特征向量，从而统一了区域和封闭、不封闭结构
空间关系特征
（一）特点：所谓空间关系，是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。通常空间位置信息可以分为两类：相对空间位置信息和绝对空间位置信息。前一种关系强调的是目标之间的相对情况，如上下左右关系等，后一种关系强调的是目标之间的距离大小以及方位。显而易见，由绝对空间位置可推出相对空间位置，但表达相对空间位置信息常比较简单。
空间关系特征的使用可加强对图像内容的描述区分能力，但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外，实际应用中，仅仅利用空间信息往往是不够的，不能有效准确地表达场景信息。为了检索，除使用空间关系特征外，还需要其它特征来配合。
常用的特征提取与匹配方法
提取图像空间关系特征可以有两种方法：一种方法是首先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引；另一种方法则简单地将图像均匀地划分为若干规则子块，然后对每个图像子块提取特征，并建立索引。
基于MATLAB的图像复原 摘要 随着信息技术的发展，数字图像像已经充斥着人们身边的任意一个角落。由于图像的传送、转换，或者其他原因，可能会造成图像的降质、模糊、变形、质量下降、失真或者其他情况的图像的受损。本设计就针对“图像受损”的问题，在MATLAB环境中实现了利用几何失真校正方法来恢复被损坏的图像。几何失真校正要处理的则是在处理的过程，由于成像系统的非线性，成像后的图像与原图像相比，会产生比例失调，甚至扭曲的图像。 图像复原从理论到实际的操作的实现，不仅能改善图片的视觉效果和保真程度，还有利于后续的图片处理，这对医疗摄像、文物复原、视频监控等领域都具有很重要的意义。 关键字：图像复原；MATLAB；几何失真校正
目录 摘要 (1) 1 MATLAB 6.x 信号处理 (1) 2 图像复原的方法及其应用 (13) 2.1 图像复原的方法 (13) 2.2 图像复原的应用 (14) 3 几何失真校正实现 (15) 3.1 空间变换 (15) 3.1.1 已知()y x r,和()y x s,条件下的几何校正 (16) 3.1.2 ()y x r,和()y x s,未知条件下的几何失真 (16) 3.2 灰度插值 (17) 3.3 结果分析 (19) 参考文献 (20) 附录 (21)
1 MATLAB 6.x信号处理 （1）对MATLAB 6 进行了简介，包括程序设计环境、基本操作、绘图功能、M文件以及MATLAB 6 的稀疏矩阵这五个部分。MATLAB的工作环境有命令窗口、启动平台、工作空间、命令历史记录与当前路径窗口这四部分。M文件的编辑调试环境有四个部分的设置，分别是：Editor/Debugger的参数设置，字体与颜色的设置，显示方式的设置，键盘与缩进的设置。MATLAB采用路径搜索的方法来查找文件系统的M文件，常用的命令文件组在MATLAB文件夹中，其他M文件组在各种工具箱中。基本操作主要是对一些常用的基本常识、矩阵运算及分解、数据分析与统计这三方面进行阐述。MATLAB的基本操作对象时矩阵，所以对于矩阵的输入、复数与复数矩阵、固定变量、获取工作空间信息、函数、帮助命令进行了具体的描述。矩阵运算是MATLAB的基础，所有参与运算的数都被看做为矩阵。MATLAB中共有四大矩阵分解函数：三角分解、正交分解、奇异值分解以及特征值分解。数据分析与统计包括面向列的数据分析、数据预处理、协方差矩阵与相关系数矩阵、曲线拟合这四部分。MATLAB 中含有丰富的图形绘制寒素，包括二维图形绘制、三维图像绘制以及通用绘图工具函数等，同时还包括一些专业绘图函数，因此其具有很强大的绘图功能。简单的二维曲线可以用函数plot来绘制，而简单的三维曲线图则用plot3来绘制。在绘制图形时，MATLAB自动选择坐标轴表示的数值范围，并用一定的数据间隔标记做标注的数据，当然自己也可以指定坐标轴的范围与数据间隔。专业的绘图函数有绘梯度图制条形图、饼图、三维饼图、箭头图、星点图、阶梯图以及等高线。M文件时用户自己通过文本编辑器或字处理器生成的，且其之间可以相互调用，用户可以根据自己的需要，自我编写M文件。M文件从功能上可以分为底稿文件与函数文件两类，其中底稿文件是由一系列MATLAB语句组成的，而函数文件的第一行必须包含关键字“function”，二者的区别在于函数文件可以接受输入参数，并可返回输出参数，而底稿文件不具备参数传递的功能；在函数文件中定义及使用的变量大都是局部变量，只在本函数的工作区内有效，一旦退出该函数，即为无效变量，而底稿文件中定义或使用的变量都是全局变量，在退出文件后仍为有效变量。稀疏矩阵是一种特殊类型的矩阵，
中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像恢复算法研究 指导教师：职称: 年月日
中北大学 课程设计任务书 13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 学生姓名：学号： 学生姓名：学号： 学生姓名：学号: 课程设计题目：信息处理综合实践: 于MATLAB的图像恢复算法研究起迄日期： 课程设计地点：电子信息科学与技术专业实验室 指导教师： 系主任： 下达任务书日期: 年月日
目录 摘要： (6) 1．图像复原的概念 (6) 1.1图像复原的定义 (6) 1.2 图象恢复与图象增强的异同 (6) 1.3 图象退化的原因 (6) 1.4 维纳滤波的研究历史 (6) 1.5图象退化举例 (7) 2．退化模型 (8) 2.1图象退化模型概述 (8) 2.2连续函数退化模型 (8) 2.3离散函数退化模型 (8) 3.图象复原技术 (9) 3.1无约束恢复 (9) 3.2逆滤波 (9) 3.3 维纳（Wiener）滤波器基本原理 (10) 3.4维纳滤波复原法 (11) 3.5图像复原例图 (12) 4．图像复原的MATLAB实现实例 (13) 5.结束语 (14) 参考文献： (14) 附录： (14) （1）.维纳滤波复原源代码： (14) （2）.规则化滤波复原程序源代码： (15) （3）.Lucy-Richardson复原滤波源代码： (15) （4）.盲目去卷积复原源代码： (15)
摘要： 图像复原是图象处理的一个重要课题。图像复原也称图象恢复，是图象 处理中的一大类技术。它的主要目的是改善给定的图像质量。当给定了一幅 退化了的或者受到噪声污染了的图像后，利用退化现象的某种先验知识来重 建或恢复原有图像是复原处理的基本过程。可能的退化有光学系统中的衍 射，传感器非线性畸变，光学系统的像差，摄影胶片的非线性，大气湍流的 扰动效应，图像运动造成的模糊及几何畸变等等。噪声干扰可以由电子成像 系统传感器、信号传输过程或者胶片颗粒性造成。各种退化图像的复原都 可归结为一种过程，具体地说就是把退化模型化，并且采用相反的过程进行 处理，以便恢复出原图像。文章介绍了图象退化的原因，几种常用的图像滤 波复原技术，以及用MATLAB实现图像复原的方法。 1．图像复原的概念 1.1图像复原的定义 图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。成像过程的每一个环节（透镜，感光片，数字化等等）都会引起退化。在进行图像复原时，既可以用连续数学，也可以用离散数学进行处理。其次，处理既可在空间域，也可在频域进行。 1.2 图象恢复与图象增强的异同 相同点：改进输入图像的视觉质量。 不同点：图象增强目的是取得较好的视觉结果(不考虑退化原因)；图象恢复根据相应的退化模型和知识重建或恢复原始的图像(考虑退化原因)。 1.3 图象退化的原因 图象退化指由场景得到的图像没能完全地反映场景的真实内容，产生了失真等问题。其原因是多方面的。如： 透镜象差/色差 聚焦不准（失焦，限制了图像锐度） 模糊（限制频谱宽度） 噪声（是一个统计过程） 抖动（机械、电子） 1.4 维纳滤波的研究历史 维纳是著名的数学家，后来被誉为信息理论家。维纳的著作不仅是一个很好的创见，而且具有结合工程的实际意义，是线性滤波理论研究的一个重要的开端. 在第二次世界大战中，由于雷达的发明以及防空炮火控制的任务，把大量有修养的数学家和物理学家都动员到信息科学这个研究领域中来了，这个时候人们活跃于这个领域，并有许多重大的科学创造。数学家维纳对于滤波理论的研究成果，就是这时候重大的科学创见之一。
基于MATLAB的运动模糊图像处理 提醒： 我参考了文献里的书目和网上的一些代码而完成的，所以误差会比较大，目前对于从网上下载的模糊图片的处理效果很不好，这是我第一次上传自己完成的实验的文档，希望能帮到一些人吧。 研究目的 在交通系统、刑事取证中图像的关键信息至关重要，但是在交通、公安、银行、医学、工业监视、军事侦察和日常生活中常常由于摄像设备的光学系统的失真、调焦不准或相对运动等造成图像的模糊，使得信息的提取变得困难。但是相对于散焦模糊，运动模糊图像的复原在日常生活中更为普遍，比如高速运动的违规车辆的车牌辨识，快速运动的人群中识别出嫌疑人、公安刑事影像资料中提取证明或进行技术鉴定等等，这些日常生活中的重要应用都需要通过运动模糊图像复原技术来尽可能地去除失真，恢复图像的原来面目。因此对于运动模糊图像的复原技术研究更具有重要的现实意义。 图像复原原理 本文探讨了在无噪声的情况下任意方向的匀速直线运动模糊图像的复原问题，并在此基础上讨论了复原过程中对点扩散函数(PSF)的参数估计从而依据自动鉴别出的模糊方向和长度构造出最为近似的点扩散函数，构造相应的复原模型，实现运动模糊图像的复原；在模糊图像自动复原的基础上，根据恢复效果图的纹理特征和自动鉴别出的模糊长度和角度，人工调整模糊方向和长度参数，使得复原效果达到最佳。 实验过程 模糊方向的估计： 对图1(a)所示的原始图像‘车牌’图像做方向θ=30?，长度L=20像素的匀速直线运动模糊，得到退化图像如图1(b)
1(a) 1(b) j=imread('车牌1.jpg'); figure(1),imshow(j); title('原图像'); len=20; theta=30; psf=fspecial('motion',len,theta); j1=imfilter(j,psf,'circular','conv'); figure,imshow(j1); title('PSF 模糊图像'); 图1(c)和1(d)分别为原图像和模糊图像的二次傅里叶变化
MATLAB实现图像恢复设计报告 一、设计目标及需求分析 设计目标：希望通过matlab设计一个软件来实现对CT图像的模糊再恢复的过程，是对现实中CT图像复原的一个简单仿真。 需求分析：随着网络和通信技术的发展，数字图像处理与分析技术已经在科学研究、工业生产、医疗卫生、教育等领域得到了广泛应用，对推动社会的发展和提高人们的生活水平都起到了重要作用[1]。而在医学CT影像中，CT图像的影响因素众多，包括部分容积效应，空间分辨力，密度分辨力，相机条件设定和噪声等[2]。这些因素会造成CT 图像模糊失真，需要对图像进行恢复，才能满足对临床诊断的要求。 二、设计概要 图像退化 三、详细设计 在GUI界面设计中选取三个静态文本分别叫“原始图像”、“模糊加噪图像”、“恢复图像”，添加三个坐标轴，三个按钮分别用于“读入原始图像”、“模糊和加噪”、“恢复”。 图一 GUI界面设计
①点击按钮“读入图像”，将选取的原始肺部CT图像导入第一个坐标轴中。 ②点击按钮“模糊和加噪”，对原始CT图像进行运动模糊，加入高斯噪声，生成的图像显示在第二个坐标轴中。 图二模糊和加噪 在这里用MATLAB图像处理工具函数fspecial生成了一个运动模糊的点扩展函数PSF，PSF 再与原图卷积得到模糊图像，这一步操作是为了模拟现实CT图像中由于病人身体的移动，心脏搏动和胃肠蠕动这些不自主的运动造成的伪影。在CT图像中的噪声有多种类型，有高斯噪声，椒盐噪声，泊松噪声，斑点噪声等。这里只引入了高斯噪声是由于通过查阅文献得知，CT图像中的噪声主要是高斯噪声[3]，是一个抽象简化的退化模型。 ③点击按钮“恢复”，对模糊和加噪的图像进行图像复原，将复原后的图像显示在第三个坐标轴上。
基于MATLAB的运动模糊图像恢复技术 王洪珏 （温州医学院，浙江，温州） 摘要：MATLAB是当今流行的科学计算软件，它具有很强的数据处理能力。在其图像处理工具箱中有四个图像复原函数，本文就这些函数的算法原理、运用和恢复处理效果结合实力效果作简要对比讨论。 0前言 图像复原时图像处理中一个重要的研究课题。图像在形成、传输和记录的过程中，由于传感器的噪声、摄像机未对好焦、摄像机与物体相对运动、系统误差、畸变、噪声等因素的影响，使图像往往不是真实景物的完善影像。这种图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像质量下降的过程称为图像的退化。图像复原就是通过计算机处理，对质量下降的图像加以重建或恢复的过程。 图像复原过程一般为：找退化原因→建立退化模型→反向推演→图像复原 1算法产生概述 开发算法时，首先要创建图像退化的线性数学模型，接着选择准则函数，并以适当的数学形式表达，然后进行数学推演。推演过程中通常要进行表达形式（即空域形式、频域形式、矩阵-矢量形式或变换域形式）的相互转换，最后得到图像复原算式。 退化数学模型的空域、频域、矢量-矩阵表达形式分别是： g(x,y)=d(x,y)*f(x,y)+n(x,y) G(u,v)=D(u,v)〃F(u,v)+N(u,v) g=HF+n 其中：g(x,y)、d(x,y)、f(x,y)、n(x,y)分别为观测的退化图像、模糊函数、原图像、加性噪声，*为卷积运算符，（x=0,1,2，…，M-1），（y=0,1,2，…，N-1）。 2运动模糊的产生 景物与相机之间的相对运动通常会使相机所成的像存在运动模糊。对于线性移不变模糊，退化图像u0可以写成，u0=h*u+n，其中h为模糊核，*表示卷积，n为加性噪声。 由du/dt=0,文献[5]将这种运动模糊过程描述为波动方程：
学号： 基于MATLAB 的离焦模糊图像复原 学院名称： 计算机与信息技术学院 专业名称： 通信工程 年级班别： 2008级1班 姓 名： 指导教师： 2012年5月 XXXX 学校 本科毕业设计
基于MATLAB的离焦模糊图像复原 摘要图像在获取、传输和存储过程中会受到如模糊、失真、噪声等原因的影响，这些原因会使图像的质量下降。因此，我们需要采取一定的方法尽可能地减少或消除图像质量的下降，恢复图像的本来面目，这称为图像复原。通过阅读图像复原技术相关资料，本文主要探讨了维纳(Wiener)滤波、约束最小二乘滤波算法、Lucy-Richardson算法和盲解卷积算法，并使用相关的工具箱函数deconvwnr函数、deconvreg函数、deconvlucy函数、deconvblind函数进行仿真。另外本文对上述算法进行了仿真实现，并分析了四种算法的实验结果。 关键词图像复原；维纳滤波恢复；约束最小二乘滤波恢复；Lucy-Richardson恢复；盲解卷积恢复 Based on the MATLAB of defocus blurred image restoration Abstract Image in the acquisition, transmission and storage process will be subject to such as blurring, distortion, noise and other reasons, these reasons will make the image quality degradation.Therefore, we needed to take a certain amount of ways to reduce or eliminate image quality to fall, to restore the image of self, this is known as image restoration. By reading the image restoration technology related data. This paper mainly discusses the Wiener filter, constrained least squares filtering algorithm, Lucy-Richardson algorithm and blind deconvolution algorithm，and the deconvwnr function，the deconvreg function ，the deconvlucy function and the deconvblind function are used for emulation.This article on the above algorithm to simulation and experimental result analysis of four kinds of algorithms. Keywords image restoration; Wiener filtering restore; Constrained least squares filtering restore; Lucy-Richardson recovery; Blind solution convolution recovery
附录：源代码： 1、高斯噪声的添加以及滤波处理 I= imread('E: \lena.bmp','bmp'); J=imnoise(I,'gaussian',0,0.01); figure; subplot(1,2,1); imshow(I); title('源图像lena.bmp'); subplot(1,2,2); imshow(J); title('加入gaussian噪声后的lena.bmp'); n1=7;sigma1=1.5;n2=3;sigma2=1.5;theta=0; r=[cos(theta) -sin(theta); sin(theta) cos(theta)]; for i = 1 : n2 for j = 1 : n1 u = r*[j-(n1+1)/2 i-(n2+1)/2]'; h(i,j)=exp(-u(1)^2/(2*sigma1^2))/(sigma1*sqrt(2*pi))*exp(-u(2)^2/ (2*sigma2^2))/(sigma2*sqrt(2*pi)); end end h = h / sqrt(sum(sum(h.*h))); f1=conv2(J,h,'same'); subplot(1,2,2); figure; imagesc(f1); title('高斯平滑后的lena.bmp(7x7)'); colormap(gray); 2、图像模糊及添加噪声 ①图像的运动模糊 I= imread('E: \lena.bmp','bmp'); figure; subplot(1,2,1); imshow(I); title('源图像lena.bmp'); f=double(I); % 数据类型转换，MATLAB不支持图像的无符号整型的计算 g=fft2(f); % 傅立叶变换 g=fftshift(g); % 转换数据矩阵 [M,N]=size(g); a=0.5;b=0.5;T=0.1; m=fix(M/2); n=fix(N/2); j=sqrt(-1);
前言 (1) 1MATLAB的简介 (1) 1.1MATLAB的概述 (1) 1.2MATLAB的主要功能 (1) 1.3MATLAB在图像处理中的应用 (2) 2图像复原 (2) 2.1 图像复原的基本概念 (2) 2.2 图像退化的数学模型 (2) 2.3 逆滤波复原 (3) 2.4 维纳滤波复原 (4) 2.5 使用Lucy-Richardson算法的迭代非线性复原 (6) 2.6 盲去卷积 (8) 3图像重建 (10) 3.1 图像重建的概述 (10) 3.2 傅里叶反投影重建 (11) 3.3 卷积法重建 (12) 3.4 代数重建方法 (15) 结论 (16) 参考文献 (17) 致 (18)
数字图像处理是将图像信号转换成数字格式，并通过计算机对它们进行处理。图像复原过程往往是对提高图像质量起着重要的作用的数字图像处理方法。图像处理中的一个重要的研究分支是图像重建，其意义在于要检测到获得物体的部结构图像，而不会其造成任何物体上的损伤。在本文中，先对图像复原与图像重建进行概述，然后介绍几种图像复原技术与图像重建方法。通过MATLAB实验程序获得实际处理效果。 关键词：图像复原；图像重建；MATLAB
Abstract Digital image processing is to convert the image signal into a digital format and process them through the computer. Image restoration process is often to improve the image quality, it plays an important role in digital image processing methods. Image reconstruction is an important research branch of image processing, in the sense that the object to be detected to obtain images of internal structures without causing objects any damage. In this article, firstly, it will introduce image restoration and reconstruction principle, and then introduce several image restoration techniques and image reconstruction methods. The finally treatment effect obtained by MATLAB experimental procedures. Key words: image restoration; image reconstruction; MATLAB
MATLAB课程设计 设计题目：应用图像处理 班 级： 学 号： 姓 名： 指导老师： 设计时间：2013年4月8号-4月14号 摘要 21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。图像处理，是用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包
括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。图像处理一般指数字图像处理。所谓数字图像处理[7]就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。 关键词：DCT变换；图像压缩；真色彩增强；平滑；锐化；直方图均衡； 灰度变换；滤波；M文件的使用 目录 摘要………………………………………………………………I 1 概述……………………………………………………………II 2 课程设计任务及要求...............................III 2.1.1设计任务 2.1.2设计要求 3 系统设计原理 (Ⅳ) 3.1 DCT图像压缩原理 3.2 真彩色增强 3.2.1平滑 3.2.2锐化 3.3 灰度变换（直方图均衡化） 3.4 图像滤波 3.4.1中值滤波器 3.4.2维纳滤波器 4 程序代码及实验结果与分析 (Ⅵ) 4.1 DCT图像压缩
以下文档格式全部为word格式，下载后您可以任意修改编辑。 摘要 数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快，能更好的为人们服务。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。图像处理的信息量很大，对处理速度的要求也比较高。MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文介绍了MATLAB 语言的特点,基于MATLAB的数字图像处理环境，介绍了如何利用MATLAB及其图像处理工具箱进行数字图像处理，并通过一些例子来说明利用MATLAB图像处理工具箱进行图像处理的方法。主要论述了利用MATLAB实现图像增强、二值图像分析等图像处理。关键词：MATLAB，数字图像处理，图像增强，二值图像Abstract Digital image processing is an emerging technology, with the development of computer in various areas on the processing speed requirement is relatively ），线性量化（liner quantization），对数量化，MAX量化，锥形量化（tapered quantization）等。 3. 采样、量化和图像细节的关系 上面的数字化过程，需要确定数值N和灰度级的级数K。在数字图像处理中，一般都取成2的整数幂，即: (2.1) (2.2) 一幅数字图像在计算机中所占的二进制存储位数b为:
《数字图像处理》 实验报告 一、实验目的（不少于200字） 本次实验进行的主要是对图像复原进行有关讨论。在图像形成过程中，由于成像系统等各种外部因素的影响，可能导致图像的质量下降，发生所谓的“图像退化”。与图像增强相类似，图像复原的目的是改善图像的质量，便于人眼辨识，增强表达效果。在进行图像复原的过程中，必要的先验知识十分重要，可以非常方便的将已退化的图像恢复本来的面目，但是有些时候图像的先验知识我们并不容易获取，所以与此相对应有盲卷积等方法来帮助我们进行图像复原。引起图像退化的因素很多，包括有光学系统、运动等造成的图像模糊，电路传递中、光学因素的影响噪声等等。掌握了解相关的数学模型对于图像复原至关重要，许多复原的方法也是建立在比较严格的数学推导上的。通过本次实验，主要期望达到以下目的： １、熟练掌握数字图像复原的基本概念和基本理论原理 ２、深入理解图像退化的影响原因和对应的处理方法，加强综合分析问题、解决实际问题的能力 ３、掌握各种使用的图像复原的相关技术，使经处理后的图像更加适应人眼的视觉与心理 ４、巩固使用 matlab 软件处理数字图像问题的能力，加强巩固编程能力 通过实验，了解到图像恢复和图像增强的区别还在于图像增强不考虑图像时如何退化的，而是试图采用各种技术来增强图像的视觉效果，因此图像增强可以不顾增强后的图像是否失真，只要看着舒服就基本可以满足要求，而图像复原则对图像退化的机制和过程邓先验知识要求较为必要，很多情况下先验知识如果全面准确，甚至可以完全恢复原始图像，达到非常好的效果，据此找出相应的你处理方法，从而得到恢复的图像。对于一幅图像，可以先进行复原处理，在进行图像增强处理，两者相互结合，图像的效果可以达到更为理想的效果。 【2013年11月16日10:53:24】 二、核心代码及运行后截图（截图方法：先按下Alt再按下PrtScr，然后粘贴进文档） 1.频谱噪声分析 在进行图像复原之前，首先对各个图像做傅里叶变换在频谱中观察分布情况，由此判断噪声或模糊类型。 代码如下： i1=imread('statBlur.png'); i2=imread('s1.bmp'); i3=imread('picassoBlurImage.png'); i4=imread('nvblurImage.png'); o1=fftshift(fft2(rgb2gray(i1)));o2=fftshift(fft2(rgb2gray(i2))); o3=fftshift(fft2(rgb2gray(i3)));o4=fftshift(fft2(rgb2gray(i4))); figure,subplot(221),imshow(i1),subplot(222),imshow(o1),subplot(223),imshow(i2),... subplot(224),imshow(o2); figure,subplot(221),imshow(i3),subplot(222),imshow(o3),subplot(223),imshow(i4),... subplot(224),imshow(o4); 结果如下：